Thinking Machines Lab wydała Inkling 2 Small, multimodalny model oparty na architekturze Mixture-of-Experts liczący 594 miliardy całkowitych parametrów, z czego jednocześnie aktywnych jest 17 miliardów. Model przeznaczony jest do kodowania, wizji i pracy z wiedzą, przyjmuje tekst i obrazy, a zwraca odpowiedzi tekstowe. Nowy Inkling prawie trzykrotnie poprawia wynik w porównaniu z poprzednią generacją - z 13 do 31 punktów w indeksie Artificial Analysis Intelligence Index, zajmując czwarte miejsce wśród 29 modeli w swojej klasie cenowej.
Architektura Inkling 2 Small opiera się na dekoderze transformera z 48 warstwami, gdzie każdy token kierowany jest do 8 z 384 dostępnych ekspértów. Model wspiera kontekst do 1 miliona tokenów i umożliwia zmienną głębię rozumowania. Wagi modelu obsługują kwantyzację w formatach MXFP8 i NVFP4, co pozwala na efektywne działanie na dostępnym sprzęcie. Model wyróżnia się szczególnie wydajnością na SWE-Bench Pro v2, gdzie osiąga 86,3% dokładności - wynik gorszy tylko od Kimi K3, choć na Terminal-Bench 4.0 wypad słabiej z wynikiem 13,1%.
Na starcie model dostępny jest wyłącznie przez API Tinker do fine-tuningu i wnioskowania, bez możliwości self-hostingu. Thinking Machines Lab planuje udostępnić wagi w licencji Apache 2.0 już w przyszłym tygodniu, po przeprowadzeniu zewnętrznych testów bezpieczeństwa i red-teamingu. To wpisuje się w strategię laboratorium dotyczącą bezpiecznej ścieżki do otwartych wag.